数据科学与大数据专业

数据科学与大数据技术专业

阅读量：690      发布时间：2021-06-08

分享到：

数据科学与大数据技术专业是2020年教育部批准的新工科专业，面向国家大数据产业发展战略规划需要以及对接社会对大数据相关专业人才迫切需求，具有跨学科特色的交叉融合专业，是目前人才市场缺口最大的专业之一。

1、培养目标

本专业培养具有高尚的道德品质和高度的社会责任感，具有较强的创新精神、创业意识和创新创业能力；有较好的数据素养和数理基础；掌握数据科学与大数据技术所需要的计算机、网络、数据分析和数据处理等相关学科的基本理论和基本知识，熟练掌握大数据采集、存储、转换、融合、分析、传输与应用等相关核心技术，能够胜任企业、事业、政府、社会组织等部门的大数据相关的管理服务、应用开发等工作，具有大数据分析、处理、挖掘、可视化、大数据系统集成、管理维护等工程应用能力的德智体美劳全面发展的应用型人才。

2、办学条件

本专业教师均具有硕士博士学位，专职教师17人，其中教授、副教授12人、讲师5人；具有博士、硕士学位的教师17人；省级、校级骨干青年教师10人；已聘请来自重点大学的的博导、行业的高级工程师4人为我院客座教授、兼职教师。师资队伍结构合理，为大数据相关人才培养提供了有力的师资保障。

专任教师的研究方向有机器学习、深度学习、大数据、云计算、图像处理等领域，近年来，承担国家级和省部级项目10余项，市厅级20余项，在IEEE Transactions on Industrial Electronics、Future Generation Computer Systems、IEEE Transactions on Circuits and Systems for Video Technology、Journal of Hydrometeorology、Advances in Atmospheric Sciences、Computers & mathematics with applications、Journal of mathematical alanalysis and applications、Journal of Statistical Mechanics: Theory and Experiment、Journal of Nonlinear Sciences and Applications、Optimization Methods and Software、Monthly Weather Review等国际权威期刊发表论文20余篇，申报发明专利5项，授权专利4项。

根据专业发展的需要，建立了“云计算中心”、“数据科学与大数据分析训练中心”和“物联网工程”等多个专业实验实训室，拥有众多的大数据实验设备，例如，云计算服务器（戴尔PowerEdgeR730）、云管理服务器（OptiPlex3020MT）、大数据实验平台（云创C1208）、深度学习设备（云创C1408-G）、人工智能竞赛平台（NAO V5）、数据采集与物联网平台（NLE-SYST-B0125）和图形工作站（Sgitezro）。为本专业实践提供强有力的硬件资源支撑。

3、专业特色

“数据科学与大数据技术”涉及到统计学、数学、计算机多个学科。本专业以“控制科学与工程”湖南省“双一流”应用特色学科、国家一流本科专业建设点“计算机科学与技术”（2020年）和“数学与应用数学”（2021年）为基础，充分利用我校优势学科的交叉和融合，进行专业建设。以武陵山片区生态农业智能控制技术湖南省重点实验室、武陵山片区健康大数据智能处理与应用湖南省高校重点实验室、怀化健康大数据分析技术怀化学院重点实验室、“湖南省计算机类专业大学生创新训练中心”“计算机类专业校企合作人才培养基地”为教学科研平台，提供参加各类学科竞赛培训，进行高质量的人才培养。

4、就业前景

大数据专业毕业生能够在计算机、互联网以及大数据相关产业从事大数据系统研发、大数据分析和大数据应用开发工作。就业薪资图1所示，数据来自第三方统计。

（1）大数据系统研发

架构工程师：负责Hadoop集群架构设计、开发、评估、管理和调优，以及系统关键模块设计、数据开发规范制定等工作，实现大数据全产业线上的应用分析与设计；

运维工程师：负责大数据基础平台的运维，保障平台的稳定可用，参与设计大数据自动化运维、监控和故障处理工具。

（2）大数据应用开发

开发工程师：根据具体行业应用需求，基于Hadoop、Spark等构建数据分析平台，进行设计、开发分布式计算业务，负责机器学习、深度学习等领域的应用开发工作。

（3）大数据分析

分析工程师：使用统计模型、数据挖掘、机器学习及其他方法，进行数据采集、数据清洗、数据分析，构建行业数据分析模型，为客户提供有价值的信息，满足客户需求；

算法工程师：结合行业应用领域，利用数据挖掘/统计学习的理论和方法解决实际问。根据产品需求完成技术方案设计、算法设计和核心模块开发，组织解决项目开发过程中的技术问题。